面向排名预测的电影媒体网站研究

结合排序学习方法,对电影排名预测任务进行研究。通过挖掘和分析电影媒体网站数据,完成对排名预测相关特征的抽取与扩展及排名标注的对齐和划分等,并提出面向电影媒体网站的排名预测模型。实验结果显示,该模型能有效地提高电影排名预测任务的性能,在为影视院线合理规划同期电影的上映时间及排片比例、为观影者提供优质热门的电影推荐等方面具有一定的应用价值。

基于校园一卡通数据的成绩排名预测方法研究

本文通过对校园刷卡行为进行分析,运用数理统计模型,研究了学生成绩排名的影响因素并对成绩排名进行预测。首先,利用因子分析,研究哪些因素属于哪些潜在因子(即类别),并通过逐步回归法得出学生成绩排名回归模型。然后,根据分析结果,有针对性地提出提高学生成绩排名的实际措施。最后,利用主成份分析,得到各学生的预测成绩排名,并与学生的实际排名相对照。结果表明:校园刷卡行为是反映学生学习表现的重要因素,体现了学生的自发行为,运用一卡通数据预测学生的学习成绩为学生活动管理和学生成绩提高提供了方向和方法。

异构文献网络节点重要性排名预测

异构文献网络中包括作者、论文、会议三种类型的学术节点以及它们之间五种不同类型的边,语义信息丰富。每个网络节点的重要性处于动态变化之中,其变化不仅仅与该节点的历史重要性有关,还需要考虑作者、论文、期刊/会议之间的关系对每个节点重要性预测的影响。异构文献网络结点重要性排名协同预测方法ICP首先根据每个学术节点的历史重要性进行函数建模,得到每个节点未来的重要性值,然后借鉴协同聚类的思想,根据不同类型节点间的关系来协同调节每个节点未来重要性值并完成预测。

基于一卡通数据的高校学生行为分析与排名预测

利用校园一卡通数据,结合可视化相关技术,设计一卡通数据可视化模型,有效地发现学生在校园中的行为规律和异常情况。此外,利用可视化交互方式,将学生的行为和成绩联系起来,探索引起学生成绩变化的因素,并通过多元线性回归对学生成绩排名进行预测,其相关性达到了90%以上,证明可视化效果的有效性。

基于作者权威值的论文价值预测算法

论文引用网络是一个动态变化的网络,不断有新的论文加入引用网络中.传统的论文评价标准如引用次数、PageRank值等'终身评价标准'存在排挤新结点的问题,如何在海量论文中寻找有价值、被持续关注的论文,成为人们感兴趣的问题.Sayyadi提出了FutureRank算法,该算法通过预测论文未来'一段时间'的被引次数排名和PageRank值排名来达到这一目的.但FutureRank算法需提前计算PageRank值,要耗费大量运算时间.据此,我们尝试在不计算论文现有PageRank值的条件下,从论文的撰写者以及引用者的权威值的角度来预测论文未来的被引次数排名和PageRank值排名.实验结果表明,我们的算法与FutureRank相比,不但缩短了运算时间,而且提高了预测准确率.

基于“雨课堂”的教学过程知识库构建及学生成绩智能评估

针对使用“雨课堂”进行教学的课程,动态构建该课程的教学过程知识库及其推理系统。在课程教学过程知识库中,用逻辑推理语言Prolog进行智能推理,智能回答课程教学过程中关于学生学习情况的一些问题,并能对学生的学习效果进行动态评估,对学生课程成绩进行预测和排序。智能教学过程推理系统能辅助教师及时评估和反馈课程教学过程中的问题,实时调整教学内容和教学手段,是高等学校本科智能化教学过程的一种新尝试。